基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法技术

本发明专利技术涉及基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，所述检测方法包括ISODATA动态聚类步骤，所述ISODATA动态聚类步骤包括：在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。本发明专利技术的优点在于：基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法相较于已有的障碍物检测方法，能够有效检测无人机在飞行中遇到的数目不定的障碍物，为无人机自主飞行提供安全可靠的飞行路径。

【技术实现步骤摘要】
基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法
本专利技术涉及无人机障碍物检测
，尤其涉及一种基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法。
技术介绍
现有的无人机障碍物检测通常考虑单个障碍物的检测，很少有针对不定数目的障碍物检测；而在现实任务中，无人机通常需要在复杂的环境下进行障碍物的检测，单个障碍物的检测难以满足任务的要求。目前已有的无人机障碍物检测方法主要有基于神经网络的障碍物检测方法、基于特征点检测的障碍物检测方法等。由于神经网络参数量巨大，基于神经网络的障碍物检测方法通常需要额外的运算单元进行数据处理，并且难以实现实时的障碍物检测。另外，基于神经网络的障碍物检测方法通常是检测视野中的可航行区域，并未针对障碍物进行明确的检测。基于特征点检测的障碍物检测方法通过提取图像中的特征点信息来进行障碍物的检测，以往的检测方法很少涉及多个障碍物的检测。
技术实现思路
本专利技术的目的在于克服现有技术的缺点，提供了一种基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，解决了现有无人机障碍物检测方法不能在复杂环境对多数目障碍物进行检测的问题。本专利技术的目的通过以下技术方案来实现：基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，所述检测方法包括ISODATA动态聚类步骤，所述ISODATA动态聚类步骤包括：在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。进一步地，所述按照距离信息将所有坐标样本划分到不同聚类中的划分策略为：在进行样本划分时，根据样本到聚类中心的距离进行样本划分，将各个样本划分到最邻近的聚类中。进一步地，所述根据聚类中的元素重新计算聚类中心的聚类中心设定策略为：在计算聚类的聚类中心时，取各个样本的坐标均值作为聚类的中心。进一步地，所述检查是否能够进行聚类间的合并或分裂的策略为：在进行分裂和合并检查时，若当前聚类个数小于等于期望聚类个数的一半，则对已有的聚类进行分裂；若当前迭代次数是奇数次，并且当前聚类个数小于期望聚类个数的两倍，则对已有的聚类进行分裂；若两聚类间的距离小于预设规定值，则对两聚类进行合并。进一步地，所述检测方法还包括SURF特征点提取步骤、特征点匹配步骤和特征点筛选步骤；所述SURF特征点提取步骤、特征点匹配步骤、特征点筛选步骤依次执行于所述ISODATA动态聚类步骤之前。进一步地，所述SURF特征点提取步骤包括在无人接搭载的摄像机捕捉到的图像中进行SURF特征点提取，用于后续的处理；所述特征点匹配包括利用特征点匹配算法并根据特征点中包含的坐标和特征点强度信息，在相邻的图像之间进行特征点匹配，删除匹配没有成功的特征点；所述特征点筛选步骤包括利用尺度膨胀原理在相邻的图像之间对匹配成功的特征点进行筛选，删除没有发生尺度膨胀的特征点。进一步地，所述特征点筛选具体包括以下内容：计算所有特征点的平均膨胀率和每个特征点的膨胀率；根据所述平均膨胀率判断每个特征点的所述膨胀率与所述平均膨胀率之间的关系；根据判断每个特征点的所述膨胀率与所述平均膨胀率之间的关系结果，对每个特征点进行筛选。进一步地，所述根据判断每个特征点的所述膨胀率与所述平均膨胀率之间的关系结果，对每个特征点进行筛选包括：如果某个特征点的所述膨胀率大于所述平均膨胀率，则保留该特征点；如果某个特征点的所述膨胀率不大于所述平均膨胀率，则删除该特征点，以实现对所有特征点的筛选。本专利技术的有益效果为：基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法相较于已有的障碍物检测方法，能够有效检测无人机在飞行中遇到的数目不定的障碍物，为无人机自主飞行提供安全可靠的飞行路径。附图说明图1为本专利技术的整体流程图；图2为本专利技术特征点筛选的流程图；图3为本专利技术样本划分的流程图。具体实施方式下面结合附图对本专利技术做进一步的描述，但本专利技术的保护范围不局限于以下所述。如图1所述，本专利技术具体涉及一种基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，所述检测方法包括：首先进行系统初始化、设定好SURF算法和ISODATA算法的运行控制参数；然后依次进行SURF特征点提取步骤、特征点匹配步骤、特征点筛选步骤和ISODATA动态聚类步骤；其中，SURF特征点提取步骤包括在无人机搭载的摄像机捕捉到的图像中进行SURF特征点提取，用于后续的处理；其中，特征点匹配包括利用特征点匹配算法并根据特征点中包含的坐标和特征点强度信息，在相邻的图像之间进行特征点匹配，删除匹配没有成功的特征点；其中，特征点筛选步骤包括利用尺度膨胀原理在相邻的图像之间对匹配成功的特征点进行筛选，删除没有发生尺度膨胀的特征点。进一步地，如图2所示，特征点筛选具体包括以下内容：计算所有特征点的平均膨胀率和每个特征点的膨胀率；根据所述平均膨胀率判断每个特征点的所述膨胀率与所述平均膨胀率之间的关系；根据判断每个特征点的所述膨胀率与所述平均膨胀率之间的关系结果，对每个特征点进行筛选。具体为：如果某个特征点的所述膨胀率大于所述平均膨胀率，则保留该特征点；如果某个特征点的所述膨胀率不大于所述平均膨胀率，则删除该特征点，以实现对所有特征点的筛选。其中，ISODATA动态聚类步骤包括：在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。如图3所示，ISODATA动态聚类中样本划分的具体步骤包括：1.设定样本索引参数i初值为0；2.判断样本索引参数i是否小于最大样本数，若是，程序运行至第3步，若不是，程序结束；3.计算第i个样本到第一个聚类中心的距离distance1；4.样本索引参数i＝i+1，设置聚类索引参数j＝1，设置聚类索引参数index＝1；5.判断聚类索引参数j是否小于等于聚类个数，若是，程序运行至第6步。若不是，则将样本i划分到第index个聚类中，程序跳转到第2步；6.计算样本i到聚类j的中心的聚类distance2；7.判断distance2<distance1是否成立，若成立，则distance1＝distance2，index＝j，j＝j+1，程序跳转到第5步。若不成立，则j本文档来自技高网...

【技术保护点】
1.基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，其特征在于：所述检测方法包括ISODATA动态聚类步骤，所述ISODATA动态聚类步骤包括：/n在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；/n按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；/n根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。/n

【技术特征摘要】
1.基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，其特征在于：所述检测方法包括ISODATA动态聚类步骤，所述ISODATA动态聚类步骤包括：
在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；
按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；
根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。


2.根据权利要求1所述的基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，其特征在于：所述按照距离信息将所有坐标样本划分到不同聚类中的划分策略为：在进行样本划分时，根据样本到聚类中心的距离进行样本划分，将各个样本划分到最邻近的聚类中，以减少迭代次数。


3.根据权利要求1所述的基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，其特征在于：所述根据聚类中的元素重新计算聚类中心的聚类中心设定策略为：在计算聚类的聚类中心时，取各个样本的坐标均值作为聚类的中心，以获得障碍物的几何中心。


4.根据权利要求1所述的基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，其特征在于：所述检查是否能够进行聚类间的合并或分裂的策略为：在进行分裂和合并检查时，若当前聚类个数小于等于期望聚类个数的一半，则对已有的聚类进行分裂；若当前迭代次数是奇数次，并且当前聚类个数小于期望聚类个数的两倍，则对已有的聚类进行分裂；若两聚类间的距离小于预设规定值，则对两聚类进行合并，以实现自适应调整聚类的个数。


5.根据权利要求1-4中任意一项述的...

【专利技术属性】
技术研发人员：黄德青，佘兴彬，秦娜，周桃源，
申请(专利权)人：西南交通大学，
类型：发明
国别省市：四川;51